發(fā)布時間：2021-01-03 22:59

　　電子儀表在定期檢測中需要通過攝像頭采集電壓變化時的儀表圖像并識別,然而,自然條件下的光照不均和儀表字符刷新過程中產(chǎn)生的拖影導(dǎo)致儀表字符識別困難,迫切需要一套可以用于復(fù)雜光照條件下含拖影儀表字符識別方法。本文圍繞刷新過程出現(xiàn)重影的數(shù)字儀表,系統(tǒng)的研究了復(fù)雜光照條件下含拖影儀表字符圖像預(yù)處理、二值化、字符識別的方法。針對現(xiàn)有方法無法去除圖像中的拖影和光照不均的影響,研究了一種復(fù)雜光照條件下含拖影儀表字符識別方法。研究了光照不均圖像增強(qiáng)算法,通過對圖像光照分量的估計,再通過主成分分析（Principal Component Analysis,PCA）計算出融合權(quán)重進(jìn)行多尺度融合,并在算法中加入上采樣和下采樣來減少算法的計算量,實(shí)現(xiàn)圖像的快速增強(qiáng)。提出的算法能夠有效地降低光照對于含拖影儀表字符二值化的影響,提高了圖像的整體亮度和對比度,增強(qiáng)后圖像清晰、明亮和自然,其信息熵、平均梯度、對比度和自然圖像質(zhì)量評價度量等客觀定量指標(biāo)優(yōu)于實(shí)驗中其他算法。結(jié)合提出的光照不均圖像增強(qiáng)算法,提出了一種針對光照不均程度低的含拖影儀表字符二值化算法,該算法先通過圖像增強(qiáng)算法克服輕微光照不均影響,再以灰度圖的灰度級... 

【文章來源】： 徐亮 湖北工業(yè)大學(xué)

【文章頁數(shù)】：85 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題背景及其研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 儀表字符識別算法研究現(xiàn)狀
        1.2.2 圖像增強(qiáng)算法研究現(xiàn)狀
        1.2.3 圖像二值化算法研究現(xiàn)狀
    1.3 存在的問題與主要工作
    1.4 論文結(jié)構(gòu)安排
第2章 基于PCA融合的快速自適應(yīng)圖像增強(qiáng)算法
    2.1 基本光照-反射模型
    2.2 基于PCA融合的快速自適應(yīng)圖像增強(qiáng)
        2.2.1 空間變換
        2.2.2 光照分量的估計
        2.2.3 自適應(yīng)光照增強(qiáng)
        2.2.4 圖像融合
    2.3 圖像增強(qiáng)實(shí)驗與分析
        2.3.1 主觀視覺評估
        2.3.2 客觀定量評估
        2.3.3 復(fù)雜度分析
    2.4 本章小結(jié)
第3章 基于BP神經(jīng)網(wǎng)絡(luò)閾值預(yù)測拖影儀表字符二值化算法
    3.1 BP神經(jīng)網(wǎng)絡(luò)
    3.2 基于BP神經(jīng)網(wǎng)絡(luò)閾值預(yù)測儀表字符二值化模型
        3.2.1 模型數(shù)據(jù)來源
        3.2.2 樣本預(yù)處理和標(biāo)簽制作
        3.2.3 隱含層的層數(shù)和節(jié)點(diǎn)設(shè)計
        3.2.4 節(jié)點(diǎn)傳遞函數(shù)的選擇
        3.2.5 訓(xùn)練函數(shù)的選擇
    3.3 實(shí)驗與結(jié)果分析
    3.4 本章小結(jié)
第4章 基于FCN與 VGG的嚴(yán)重光照不均和拖影儀表字符二值化算法
    4.1 基于FCN與 VGG的二值化算法
        4.1.1 FCN網(wǎng)絡(luò)
        4.1.2 VGG網(wǎng)絡(luò)
        4.1.3 網(wǎng)絡(luò)結(jié)構(gòu)的改進(jìn)
    4.2 實(shí)驗過程和結(jié)果
        4.2.1 數(shù)據(jù)集的采集和制作
        4.2.2 實(shí)驗結(jié)果
    4.3 本章小結(jié)
第5章 基于改進(jìn)LeNet-5 儀表字符識別算法
    5.1 基于改進(jìn)LeNet-5 儀表字符識別模型
        5.1.1 LeNet-5 的基本原理
        5.1.2 改進(jìn)LeNet-5 模型
    5.2 不同程度光照不均的儀表字符識別方法
        5.2.1 光照不均程度判斷指標(biāo)
        5.2.2 儀表字符識別方法
    5.3 實(shí)驗與結(jié)果分析
    5.4 本章小結(jié)
第6章 總結(jié)與展望
    6.1 全文總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
附錄:攻讀學(xué)位期間的科研成果與獎勵


【參考文獻(xiàn)】：
期刊論文
[1]基于特征檢測的數(shù)字儀表數(shù)碼快速識別算法[J]. 陳剛,胡子峰,鄭超.  中國測試. 2019(04)
[2]基于最大熵模型的雙直方圖均衡算法[J]. 戴聲奎,鐘崢,黃正暐.  電子學(xué)報. 2019(03)
[3]基于結(jié)構(gòu)特征與LLE算法的數(shù)字儀表校驗系統(tǒng)[J]. 包玉樹,黃亞龍,孫軍,胡永建,吳劍.  現(xiàn)代電子技術(shù). 2018(24)
[4]基于機(jī)器視覺和神經(jīng)網(wǎng)絡(luò)的低質(zhì)量文本識別研究[J]. 李少輝,周軍,劉波,錢俞好,吳閩儀.  機(jī)電工程. 2018(09)
[5]基于密度特征與KNN算法的最優(yōu)特征維數(shù)選擇[J]. 孫國棟,梅術(shù)正,湯漢兵,周振.  現(xiàn)代電子技術(shù). 2018(16)
[6]變電站室內(nèi)數(shù)顯儀表的讀數(shù)識別[J]. 鄧清男,石曉龍.  工業(yè)儀表與自動化裝置. 2018(02)
[7]復(fù)雜環(huán)境下數(shù)顯式儀表數(shù)碼管定位與識別方法[J]. 張歷,劉斌,桂軍國,金運(yùn)玉,張程,杜兵,劉博.  工礦自動化. 2018(04)
[8]基于機(jī)器視覺的高壓計量數(shù)顯表自動校對系統(tǒng)[J]. 李智成,李文婷,梅術(shù)正,徐敏銳.  電測與儀表. 2017(20)
[9]基于區(qū)域?qū)Ρ榷仍鰪?qiáng)的二值化算法[J]. 盧迪,黃鑫,柳長源,林雪,張華玉,嚴(yán)俊.  電子與信息學(xué)報. 2017(01)
[10]一種數(shù)碼顯示數(shù)字識別算法[J]. 陳宗雄.  電腦知識與技術(shù). 2014(23)

碩士論文
[1]基于極限學(xué)習(xí)機(jī)的數(shù)字儀表識別方法的研究[D]. 葉子涵.云南大學(xué) 2018
[2]基于變分框架的Retinex圖像增強(qiáng)方法研究[D]. 傅雪陽.廈門大學(xué) 2014
[3]七段式數(shù)顯儀表中數(shù)字識別的研究與實(shí)現(xiàn)[D]. 劉文亮.大連理工大學(xué) 2013
[4]數(shù)顯儀表數(shù)字字符快速識別系統(tǒng)的研究[D]. 田自君.電子科技大學(xué) 2007



本文編號：2955643